A bi-objective data-driven chance-constrained optimization for sustainable urban medical waste management
Notice bibliographique
Résumé
The processing and transportation of medical waste pose uncertain threats to the surrounding people and the environment in urban road networks. This paper aims to mitigate such risks under an emergency system with uncertain response times. In more detail, we first formulate an integrated pollution-population risk assessment that estimates the dynamic impact on the exposed population by embedding the emergency response time into the risk measure. Given the variability in traffic conditions, the response time is uncertain, which also affects the associated risks. Taking this randomness into consideration, a bi-objective chance-constrained model is developed to seek optimal facility locations, vehicle acquisitions, as well as route and tour plans, such that both the risk and cost are simultaneously minimized. To meet practical restrictions on medical waste collection, continuously accumulative vehicle load and volume constraints are added to the two-commodity flow formulation. Then, we propose a comprehensive solution procedure that integrates a Back Propagation Neural Network approach within the fuzzy chance constraint framework to address uncertainties. Two multi-objective methods, an augmented ɛ -constraint solution technique and a nearest-neighbor Non-Dominated Sorting Genetic Algorithm II (NSGA-II) algorithm, are implemented respectively for small- and large-scale problem instances. A series of numerical experiments are conducted on a real-life situation in Shanghai city of China to demonstrate the workability of the proposed model and approach. The numerical results show that our recommended system can effectively prevent the overall capacity shortage, reduce the total cost and risk respectively by more than 8% and 11%, as well as lower the transportation risk and distance respectively by nearly 15% and 23%. • Urban medical waste management is studied under uncertain emergency response time. • An integrated pollution-population measure is proposed to estimate dynamic risks. • Vehicle load and volume constraints are improved in two-commodity flow formulation. • BPNN is integrated with fuzzy chance constraints to model uncertainties. • A nearest-neighbor NSGA-II algorithm is proposed for solving large instances.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».